基于深度神经网络的多模态情感识别
摘要：为了提升音频和视频载体中的情感识别准确率,采用混合卷积神经网络和递归神经网络编码和集成视频与音频信息来源.通过智能的音频技术,从音频信号提取底层特征,然后用一维卷积神经网络抽象出高级特征,最后送入递归神经网络捕捉时间维度上的语调变化.作为对比,使用二维卷积神经网络和一个类似的卷积神经网络捕捉动态面部外观变化.该方法在2016年度中国模式识别会议提供的中国视觉与听觉情感数据库上达到了41.15％的平均精确度,相比会议基准算法的准确率提升了16.62％.证明所采用方法在情感信息识别中有更高的准确性.
Abstract：In order to increase the accuracy rate of emotion recognition in voice and video,the mixed convolutional neural network (CNN) and recurrent neural network (RNN) are used to encode and integrate the two information sources.For the audio signals,several frequency bands as well as some energy functions are extracted as low-level features by using a sophisticated audio technique,and then they are encoded with a one-dimensional (1D) convolutional neural network to abstract high-level features.Finally,these are fed into a recur...
在线出版日期：
2018-02-05 （万方平台首次上网日期，不代表论文的发表时间）
相关知识
查找： 关键字=情感识别
基于脑电图和眼电图融合的多模态情绪识别研究,IEEE Transactions on Instrumentation and Measurement
对话情感识别研究综述:从基础到前沿
多模态传感器融合提升宠物训练效率.docx
顶刊TPAMI 2022！基于不同数据模态的行为识别：最新综述
情感分析的终极形态：全景式细粒度多模态对话情感分析基准PanoSent
语音情感识别调研
一种基于深度学习的狗叫情感识别方法及装置与流程
基于多维神经网络深度特征融合的鸟鸣识别算法
基于卷积神经网络的宠物识别
网址: 基于深度神经网络的多模态情感识别 https://m.mcbbbk.com/newsview412364.html
| 上一篇: 情感障碍 |
下一篇: 将情感植入陪伴机器人，「可以科技 |
